Dr. Mark Goldspink, CEO von The ai Corporation (ai) – Interview-Reihe

Dr. Mark Goldspink ist der CEO von The ai Corporation (ai), die einzigartige Selbstbedienungslösungen für Betrugsbekämpfung anbietet, die von vielen Branchenführern als die besten der Welt angesehen werden. Die Lösungen, darunter eine neue “state of the art”-Maschinenlernlösung, schützen und bereichern die Zahlungserfahrungen für über 100 Banken, mehr als drei Millionen multikanalige Händler und über 300 Millionen Verbraucher, die Karteninhaber sind. Sie überwachen auch über 25 Milliarden Transaktionen und Autorisierungen pro Jahr.

Was hat Sie ursprünglich zur künstlichen Intelligenz und zum Maschinenlernen hingezogen?

Die künstliche Intelligenz ist der einzige Weg, um Geschäftsentscheidungen mit großen Datenmengen effizient zu treffen.

Meine erste Verwendung von Maschinenlernen (1992) bestand darin, die Preiselastizität im Kraftstoffsektor zu untersuchen. Jede Tankstelle und jedes Produkt haben ihren eigenen Elastizitätsindex. Wir verwendeten künstliche Intelligenz, um ein vorhersehbares Preis-Tool zu erstellen, um uns zu helfen, die Beziehung zwischen Preis und Nachfrage zu verstehen. Dieses Tool wird noch heute auf der ganzen Welt verwendet.

Können Sie bitte kurz erklären, was The ai Corporation (ai) ist?

ai ermöglicht die Digitalisierung von Zahlungslösungen durch die Bereitstellung von Unternehmens-Cloud-Produkten und -Dienstleistungen. Einfach ausgedrückt, zielen wir darauf ab, die Zahlungstechnologie unserer Kunden zukunftssicher zu machen, um sicherzustellen, dass sie mit dem sich ständig weiterentwickelnden digitalen Markt Schritt halten. Wir glauben, dass Zahlungen unsichtbar werden sollten, damit Unternehmen sich mehr auf die Verwaltung ihrer Kunden konzentrieren können und weniger Zeit damit verbringen, sich Sorgen über die Art und Weise zu machen, wie sie Zahlungen abwickeln.

Welche Maschinenlern-Technologien werden verwendet, um potenzielle Bedrohungen und Betrug zu identifizieren?

Es gibt viele verschiedene Methoden und Techniken, die im Bereich der Betrugs- und Bedrohungsidentifizierung verwendet werden. Frühe Beispiele umfassen Bayes-Logik und Entscheidungsbäume. Spätere Innovationen führten zu einer weiten Verbreitung von neuronalen Netzen, die noch heute weit verbreitet sind. Die schnelle Verbreitung von Maschinenlernen (ML) in anderen Branchen hat die Verbreitung weiterer Methoden wie unsupervised-Techniken, XGBoost und andere gefördert. Die meisten Unternehmen entscheiden sich dafür, ihre eigenen Methoden zu entwickeln, die in der Regel auf bestehenden Methoden basieren, um die Erkennungsleistung zu verbessern.

Derzeit ist selbst bei der Verwendung von Maschinenlernen zur Erkennung von Betrug noch eine große Menge an Überwachung erforderlich, um auf dem Laufenden zu bleiben. Wie kann die Automatisierung des Betrugsmanagement-Prozesses durch Modell-Orchestrierung dieses Problem lösen?

Die meisten Betrugs-Systeme verwenden mehrere Modelle, um eine optimale Menge an Betrug zu erkennen, während gleichzeitig die “Beleidigungs”-Rate von abgelehnten legitimen Zahlungen reduziert wird. Das größte Problem mit diesen Systemen ist jedoch die enorme Menge an zusätzlicher Governance, die erforderlich ist, um diese Modelle zu verwalten. Diese Governance- und Verwaltungsarbeiten sind in der Regel manuell und erfordern umso mehr manuelle Anstrengung, je mehr Modelle verwendet werden, um sicherzustellen, dass die Modelle weiterhin gut funktionieren.

Modell-Orchestrierung revolutioniert die Art und Weise, wie wir Betrugs-Systeme verwalten. Mit Orchestrierung verwaltet die Maschine sich selbst. Wenn Modelle als nicht gut funktionierend erkannt werden, werden sie durch ein neues Modell ersetzt oder mit den neuesten Daten neu trainiert. Dieser Prozess nutzt automatisierte Prozesse, um Leistungsstatistiken für die Live-Modelle sowie die gleichen Statistiken für Offline-Auto-ML-Modelle abzurufen. Wenn Offline-Modelle gut funktionieren, werden sie in die Produktion übernommen. Dies bildet eine geschlossene, automatisierte Schleife für die optimale Betrugsbekämpfung und Geschäftsprozesse.

Können Sie einige Beispiele für Cyber-Sicherheits- oder Finanztechnologie-Bedrohungen nennen, die in der Vergangenheit durch Maschinenlernen identifiziert wurden?

Bei ai verhindern wir ständig Betrug mit unserer Maschinenlern-Lösung AutoPilotML, die auf dem Laufenden bleibt, indem sie die gesamte Betrugsstrategie (bestehend aus ML- und manuell erstellten Regeln) automatisch optimiert. Unsere optimierten Lösungen haben Account-Übernahme- und Account-Hacking-Schemata im TELCO-Bereich erkannt, beispielsweise, und haben den Betreibern Tausende von Pfund gespart. Tatsächlich haben wir fast 10 Millionen Dollar an verdächtigen Transaktionen pro Jahr erkannt.

Außerhalb des Betrugs-Bereichs werden große Angriffe täglich durch Maschinenlernen verhindert. Beispielsweise hat Microsoft (MSFT ) Cyber-Angriffe, die von Botnetzen stammen, seit Jahren erkannt und sofort verhindert. Im Februar 2018 verhinderte sie einen großen Emotet-Botnet-Angriff fast sofort, indem sie sogenanntes “geschichtetes Maschinenlernen” verwendete, das sowohl Client- als auch Server-seitige Maschinenlern-Modelle umfasste.

Cyber-Sicherheits-Bedrohungen entstehen oft aus dem Dark Web. Können Sie einige der Dark-Web-Verwaltungsdienste besprechen, die derzeit angeboten werden?

ai bietet einen Dark-Web-Überwachungsdienst an, der durch die SaaS-Anwendung von Skurio gestützt wird, um kompromittierte Kunden zu informieren und zu schützen, sobald ihre Daten im Dark Web auftauchen. Wir glauben, dass diese Partnerschaft einzigartig ist und unseren Benutzern weltweit führende Cyber-Intelligence bietet, die automatisch Webseiten, Märkte und Foren scannen, um Vorfälle von Kunden-Daten im Dark Web zu erkennen.

Gibt es noch etwas, das Sie über The ai Corporation (ai) teilen möchten?

Die Erstellung großartiger Produkte, kombiniert mit den richtigen Prozessen, kann nur durch ein weltklasse-Team erreicht werden. Ich bin extrem stolz auf das Team von ai und es ist diese Teamarbeit, die uns hilft, innovativ zu sein.

Es ist auch die Teamarbeit, die es mir ermöglicht, bei ai zu arbeiten, und es ist das Belohnendste daran, ein Leader zu sein. Menschen zu helfen, sich zu entwickeln und zu wachsen.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten The ai Corporation (ai) besuchen The ai Corporation (ai).